分类
含义：标识对象的所属类别
类别：监督学习
算法：SVM、KNN、随机森林、决策树、贝叶斯
回归
含义：预测与对象关联的连续值属性
类别：监督学习
算法：SVR、KNN、随机森林、随机梯度下降、多项式回归、logistic回归
聚类
含义：自动将相似对象归为一组
类别：无监督学习
算法：K-均值、谱聚类、MeanShift
降维
含义：减少要考虑的随机变量的数量
类别：预处理
算法：PCA（主成分分析：可以对数据进行线性变换，同时降低数据的维数并保留大部分可解释的方差。64x64像素的灰度图像，数据的维数为4096，通过PCA降维至200维）
ICA（独立成分分析将一个多元信号分解成独立性最强的可加子成分。通常，ICA不用于降低维度，而是用于分离叠加信号。）
模型选择
含义：比较、验证和选择参数及模型
应用：通过参数调整改进模型精度
算法：网格搜索、交叉验证、指标和评分（准确度、精确度、召回率、f1值）、混淆矩阵
预处理
含义：特征提取和归一化
应用：转换输入数据，例如文本，以供机器学习算法使用
算法：标准化（映射为均值为0、方差为1）、归一化（去量纲）、离散化（将连续特征划分为离散值的方法）、插补缺失值
集成
含义：
标签：机器,含义,学习,算法,总章,随机,归一化,类别 From： https://www.cnblogs.com/pass-ion/p/17008881.html